В двух недавних материалах хорошо видно, как быстро меняется рынок программного обеспечения. С одной стороны, независимый разработчик Pieter Levels демонстративно отказывается почти от всех рабочих подписок и все чаще решает задачи через AI: если нужен инструмент, его можно быстро собрать под себя, а не платить за целый набор функций, которыми ты все равно не пользуешься.
С другой стороны, вокруг новых моделей вроде Gemini 4 Carbon обсуждается уже не просто качество генерации, а способность искусственного интеллекта выполнять сложные, долгие и почти автономные рабочие сценарии — от написания кода до поиска и исправления уязвимостей.
Эти истории на первый взгляд выглядят разными, но в основе у них один и тот же сдвиг. Программное обеспечение все меньше воспринимается как готовый, неизменный продукт, который нужно просто купить и использовать. Все чаще оно становится чем-то вроде временного решения: пользователь формулирует задачу, а AI либо сразу выдает результат, либо помогает быстро собрать небольшой инструмент, заточенный под конкретную потребность. Такой подход особенно привлекателен там, где задачи повторяются, но не требуют полноценной платформы с десятками лишних функций.
Именно поэтому идея «личного софта» сегодня звучит так убедительно. Для одних это может быть простой калькулятор расходов на аренду жилья, для других — сервис для обработки изображений, генерации отчетов или работы с данными.
Важен уже не масштаб продукта, а точность попадания в задачу. Если AI способен сделать «достаточно хороший» инструмент за минуты, все меньше причин держаться за дорогие подписки на универсальные программы.
На этом фоне интерес к новым моделям понятен особенно хорошо. Их ценность уже не сводится к красивым демо или высоким баллам в тестах. Куда важнее другое: такие системы обещают не просто отвечать на запросы, а долго и последовательно работать в сложных средах, помогать с кодом, безопасностью и анализом больших объемов информации.
Если подобные модели действительно станут массово доступными, они могут еще сильнее ускорить переход от покупного софта к персонально собранным AI-инструментам.
Но у этой эволюции есть и обратная сторона. Чем больше задач пользователь перекладывает на AI, тем важнее становятся надежность, проверяемость и дальнейшее сопровождение.
Создать инструмент уже не так сложно; сложнее сделать так, чтобы он стабильно работал, не ломался и не требовал постоянного вмешательства. Поэтому будущее, скорее всего, окажется не полным отказом от программ, а перераспределением ролей: часть привычного софта останется, но все больше задач будет решаться через гибкие AI-решения, собранные под конкретного человека или команду.
Если хотите, я могу сразу сделать из этого более короткую новостную заметку или более «колонковый» аналитический текст.